在 Keras 中向 Flatten() 层的输出添加新功能

【问题标题】：Adding new features to the output of Flatten() layer in Keras在 Keras 中向 Flatten() 层的输出添加新功能
【发布时间】：2018-07-06 12:53:09
【问题描述】：

我正在做图像分类。首先，我将图像输入到 Keras 中的 CNN 模型中。

我想在 keras 的 Flatten 层的输出中添加新特征，然后将其馈送到密集层。如何为它编写代码？

基本上我对图像使用卷积，最后我想添加其他功能，如年龄性别等。

max_pool_final = MaxPooling2D(pool_size=(2,2))(conv_final)
flat = Flatten()(max_pool_final)
dense = Dense(128)(flat)

在将平面作为密集层的输入之前，我想向平面添加一些特征。我该怎么做？

感谢您的帮助！

【问题讨论】：

【解决方案1】：

您只需使用 Concatenate 层将这些特征附加到带有新输入层的扁平化向量中：

otherInp = Input(shape = (n_features, ))
concatenatedFeatures = Concatenate(axis = 1)([flat, otherInp])
dense = Dense(128)(concatenatedFeatures)

【讨论】：

我的附加特征的形状为 18324 x 4。但来自我的平面层的输出具有尺寸 (None,512)。这给我一个错误，说除了连接轴之外的尺寸必须完全匹配。那么我该怎么做呢
@NikhilMishra 那么你应该围绕轴 1 连接，我会更新我的答案。
但是我如何将我的功能提供给其他输入。做 model.fit([X_train,agp],y) 就足够了吗？ Keras 如何仅通过输入形状知道它？
@NikhilMishra 您将它们传递给 model.fit，例如 model.fit([images, features], Y, ...) 您的模型现在实际上有两个输入。确保更新您的模型定义以反映这两个输入。
Keras 如何区分图像和特征？只是通过输入形状？还是我们需要在模型中指定其他内容？